class sklearn.linear_model.Lasso(alpha=1.0, fit_intercept=True, normalize=False, precompute=False, copy_X=True, max_iter=1000, tol=0.0001, warm_start=False, positive=False, random_state=None, selection='cyclic')
目標函數
(1 / (2 * n_samples)) * ||y - Xw||^2_2 + alpha * ||w||_1
參數（Parameters）
- alpha：float, optional
正則項參數。常數。默認值1.0。alpha=0時轉化為最小二乘估計，由線性回歸模型求解。使用Lasso模型時，通常令alpha≠0。
- fit_intercept：boolean, optional, default True
是否計算截距。如果為False，對數據進行去中心化處理。
- normalize：boolean, optional, default False
當fit_intercept=False時，該參數忽略。如果為normalize=True，使用回歸模型之前先對回歸數據X進行去均值和除以l2范數的處理。如果要對數據X進行標准化，令normalize=False，並在調用fit方法之前，使用sklearn.preprocessing.StandardScaler進行標准化。
- precompute：True | False | array-like, default=False
是否使用事先計算好的Gram矩陣來加速模型計算。如果precompute='auto'，讓程序自動決定。Gram矩陣可以作為參數被傳遞。對於稀疏數據，通常令precompute=True，保留稀疏性。
- copy_X：boolean, optional, default True
如果copy_X=True，復制X；如果copy_X=False，覆蓋上次運行的X。
- max_iter：int, optional
最大迭代次數。
- tol：float, optional
優化容忍度：如果更新大於tol，繼續優化，直到小於tol。
- warm_start：bool, optional
如果warm_start=True，使用上次的解作為初始化；如果warm_start=False，清除之前的解。
- positive：bool, optional
如果positive=True，強制將系數設為正數。
- random_state：int, RandomState instance or None, optional, default None
偽隨機數發生器種子，隨機選擇特征來更新模型。如果為int，random_state即為隨機數發生器使用的種子；如果為RandomState實例，random_state即為隨機數發生器；如果為None，隨機數發生器為np.random使用的隨機數發生器實例。該參數僅當selection=‘random’時使用。
- selection：str, default ‘cyclic’
如果為‘random’，每次迭代都會更新隨機系數，而不是按順序遍歷每個特征。該參數值可以使得算法更快收斂，尤其當tol>1e-4時。
屬性（Attributes）
- coef_：array, shape (n_features,) | (n_targets, n_features)
系數向量。目標函數中的w。
sparse_coef_：scipy.sparse matrix, shape (n_features, 1) | (n_targets, n_features)
求解的coef_的稀疏表示。
- intercept_：float | array, shape (n_targets,)
決策函數的依賴項。
- n_iter_：int | array-like, shape (n_targets,)
坐標下降法求解達到容忍度時的迭代次數。
注意
- 模型擬合算法是坐標下降法
- 為避免不必要的內存占用，X應為numpy數組。
方法（Methods）
fit(self, X, y[, check_input])：使用坐標下降法擬合模型。
get_params(self[, deep])：獲得Lasso模型的參數。
path(X, y[, l1_ratio, eps, n_alphas, …])：使用坐標下降法計算elastic net path。
predict(self, X)：模型預測。
score(self, X, y[, sample_weight])：返回預測誤差。
set_params(self, \*\*params)：設置估計器的參數。